基于莱特准则的椭圆拟合优化算法improvedellipse-计算机应用.pdfVIP

基于莱特准则的椭圆拟合优化算法improvedellipse-计算机应用.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于莱特准则的椭圆拟合优化算法improvedellipse-计算机应用

Journal of Computer Applications ISSN 1001-9081 2016-12-10 计算机应用,2016,36(12) CODEN JYIIDU 基于莱特准则的椭圆拟合优化算法 * 曹俊丽 ,李居峰 (上海大学 机电工程与自动化学院,上海市 200072) (*曹俊丽caojunli1009@163.com) 摘 要:普遍使用的代数距离最小的最小二乘椭圆拟合算法简单,易实现,但对样本点无选择,导致拟合结果易受误差点 影响,拟合不准确。针对此特性,提出了一种基于莱特准则的椭圆拟合优化算法。首先,由代数距离最小的最小二乘法对待 拟合曲线进行椭圆拟合;其次,将待拟合曲线上的点距离最小二乘法拟合的椭圆的代数距离作为样本点集,在验证该样本点 集服从正态分布的情况下,采用莱特准则,将样本点中值大于|3σ|的点判定为野值并剔除,进行多次拟合,直至样本点中无野 值。最后,得到椭圆最优拟合结果。仿真实验结果表明,优化算法的拟合误差在 1.0%以下,相比同条件下的最小二乘法,其 拟合精度至少提高2%。优化算法的仿真结果与其在香烟圆度在线检测中的实际应用验证了此算法的有效性。 关键词: 莱特准则;椭圆拟合;最小二乘法;圆度检测;视觉检测系统 中图分类号:O241.5 文献标志码: A Improved ellipse fitting algorithm based on Letts Criterion CAO Junli*, LI Jufeng ( School of Mechatronics Engineering and Automation, Shanghai University, Shanghai 200072, China) Abstract: The Least square ellipse fitting algorithm based on minimum algebraic distance was simple and easy to implement, but it had no choice to the sample points, which lead to the error of the fitting result, and then the fitting is not accurate. According to this case, a new ellipse fitting algorithm based on Letts Criterion was proposed to overcome the shortage of Least Square alg orithm. First, the ellipse was fitted using the Least square ellipse fitting algorithm based on minimum algebraic distance . Then, the algebraic distance between the points of ellipse fitted by Least Square algorithm and the point on the fitting curve was set as fitting point set. After verifying the point set was in normal distribution, the points which were greater than |3σ| were eliminated using Letts Criterion. Then the steps were repeated above

文档评论(0)

laolao123 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档